面向毫米波初始对准自适应波束赋形的深度主动学习方法
信息论
2021-05-25 v2 math.IT
摘要
本文针对单径信道下毫米波环境中初始接入阶段的自适应顺序波束赋形设计问题，提出一种深度学习方法。对于等价于设计感知波束赋形器序列以学习主径到达角（AoA）的单用户场景，我们提出了一种新颖的深度神经网络（DNN），其基于基站（BS）处迄今可用信息顺序设计自适应感知向量。通过认识到AoA后验分布是解决初始接入问题的充分统计量，我们将后验分布作为所提DNN的输入以设计自适应感知策略。然而，当信道衰落系数未知时，计算后验分布在计算上可能具有挑战性。为解决此问题，本文提出使用衰落系数的估计来计算后验分布的近似。此外，本文表明所提DNN可处理如恒模约束等实际波束赋形约束。数值结果表明，与现有自适应与非自适应波束赋形方案相比，所提基于DNN的自适应感知策略实现了显著更优的AoA获取性能。
引用
@article{arxiv.2012.13607,
title = {Deep Active Learning Approach to Adaptive Beamforming for mmWave Initial Alignment},
author = {Foad Sohrabi and Zhilin Chen and Wei Yu},
journal= {arXiv preprint arXiv:2012.13607},
year = {2021}
}
备注
To appear in IEEE Journal on Selected Areas in Communications 2021, 15 pages, 10 figures